近日人工智能之議揚揚不休，言語模型外，多論及圖像生成。然而有一人工智能工具用處甚多，但較少人提及，故撰文介紹。開創 ChatGPT 的公司 OpenAI，旗下除語言及圖像工具，尚有一利器，無需賬戶登入兼免費使用。利器名為 Whisper，能將語音化作文字（speech to text）。
自動把語音轉譯文字之功能由來已久，絕非新鮮事，但只限少數語言，諸如 YouTube 之上只能自動分辨出英荷法德意日韓葡俄及⻄班牙等語言，還未包含粵語及華語，對中文頻道的資訊流動形成局限。YouTube 上有不少優質廣東話旁白影片，卻只有少量團隊有足夠資源為其配備書面中文字幕，缺少了字幕等基本配置， 變相窒礙了世界各地懂中文但不懂粵語的人士觀看，殊覺可惜。
中文語音轉寫工具在中國也非新事，例如與中共中央宣傳部有合作關係的科大訊飛，總部設於中國安徽省合肥市，其實驗室早獲國家重點認證，並在三年前已提供 藏語和維吾爾語等語言的轉寫，但考慮到儘量不想佔用國家資源的前提下，我等只 能退而求其次，使用美國開發的 Whisper 技術。
Whisper 的轉寫功能包括大量語言，諸如馬達加斯加語、古吉拉特語、馬拉雅拉姆語等，對我們來說，最重要當然是粵語及華語，輸入聲源檔案要求寬鬆，即使收音效果較差或講者帶有強烈口音，也都能一一照辦，錯別難免，但已算極為出色。關鍵是能完全離線工作，對訪問整理尤為合適。
現在加上這個 Whisper 技術，輕鬆把語音轉成文字，生成的中文字幕自動變成書面 語，再配合機器翻譯，傳播層面更廣。而 Whisper 能懂極多語言，例如近日需要整 理一些印地語訪問影片，本身不諳該語，以前只能求助於人，如今卻輕鬆掌握。
聲音變文字 AI 神器——Whisper功能介紹
Whisper 本身不是軟件，而是 API，簡單來說是軟體之間的溝通方式。對於技術 面較高的讀者，不妨直接到GitHub查看其技術文件自行安裝，完全免費，亦可參考我在Patreon上寫的相關文章。對於一般讀者而言，可考慮安裝其他開發 者設計的相關軟件，收費也不昂貴。
- Mac 用家：建議使用由荷蘭開發者 Jordi Bruin 開發的 MacWhisper，軟件可以免 費使用，但免費版本只能使用較低級的「模型」，準確度較低，建議購買完整版本，一次性交 17 歐元。
- Windows 用家：可安裝 WhisperDesktop 並下載相關「模型」
- 如果完全不想安裝軟件，最簡單的試用方法是去 Replicate ，但經過幾次實測，經常斷線。
有關轉寫的「模型」（models），目前分了 tiny、base、small、medium、large 五種，其分別是越大的模型越準確，但花的時間也較多。測試可先試用 tiny 模型，在一般應用上，使用 medium 或 large 會較佳。如果轉寫的語音檔案是包含非英語，應使用 multilingual model（多語言模型）。
MacWhisper實際應用示範
- 先安裝 MacWhisper ，安裝後下載相關「模型」，語言選 Chinese。免費版 MacWhisper 可以試用 tiny model，但準確度不高。
- 下載 YouTube 影片：打開 en.y2mate下載影片，若果將來此連結無限，可自行在 Google 搜 「download youtube」 找尋類似服務。
- 轉寫訪問：這次使用以前一段訪問作示範，下載 Video，儘量使用較高的質素下載，把檔案更改為較短的名字，例如 test.mp4，因為太長的中文名未必能支援。
- 用 MacWhisper 打開檔案，即自動執行轉寫，等待數分鐘便能看到文字，之後可以輸出為不同格式，例如純文字 text，或字幕檔案 srt 等。
其他注意事項：
1. Whisper 不能輕鬆簡單地加入講者身份，例如二人對談，文字不能自動分開不同 講者的發言。
2. Whisper 的粵語轉寫只會輸出書面中文，而非粵語文字。對於粵語文字要求較高的用戶又或影片創作人，可考慮使用香港大學畢業生 Hinnes 及 Kevin 開發的 Subanana，其介面更為易用，粵語支援更佳，收費也很合理（目前最低月費是 24.9 美元，無限使用）。
【MacWhisper】
網址：MacWhisper
